为什么pdf文档无法搜索？

Question

我有一份包含阿拉伯语内容的pdf文档，当我尝试在文档中搜索特定单词时，adobe reader没有返回任何结果。

这似乎是格式问题......我该如何解决？ 感谢。

Answer 1

至少有四种不同的方法可以将文本输入PDF文档（按顺序或可能）：

1. 使用标准文本运算符和标准字体放置文本
2. 使用带有非标准字体的标准文本运算符放置文本
3. 绘制一个或多个代表文字的图像
4. 通过使用各种PDF图形命令手动绘制字形来放置文本

案例1通常是可搜索的。 案例2是可搜索的，如果字体和编码是理智的 - 如果它们不是（非拉丁字体可能就是这种情况）那么可能没有可靠的方法将编码的字形映射回Unicode（顺便说一句） - PDF相当于Unicode恶意）。 如果不了解PDF的生成方式，案例3是完全无法搜索的。 案例4是完全无法搜索的。

尽管如此，所有案例都应该使用了解阿拉伯语的OCR引擎来阅读。我知道Iris engine会使用阿拉伯语。

Answer 2

它实际上可能不是文本，或者它可能在Reader不注意的容器中。当您处理大多数人不会在其系统上安装的字体时，将文本对象扩展为矢量形状尤为常见。它在屏幕上看起来一样，但它不可搜索。